arXiv · ML· Senmao Ye, Fei Liu, Dawei Zhang, Yuqian Zheng, Jun Zhang, Zhonglong zheng·· 15 小时前AI 评分22
离散生成聚类 (DGC)：基于正则化 Wasserstein 距离的聚类分析方法
Regularized Wasserstein Distance for Discrete Generative Modeling and Clustering Analysis
AI 导读
该研究提出离散生成聚类 (DGC) 框架，将聚类分析建模为离散生成问题。 通过用正则化 Wasserstein 距离替代 DDN 的 l2 损失，解决了硬最近邻选择导致的训练不稳定问题。 DGC 具备四个优势：簇中心可解释为真实合成样本；推理成本随簇数 K 呈对数级 O(log K) 增长；优化目标平滑且收敛稳定；采用随机邻居选择避免多步前向中的密度偏移。
来源：arXiv · ML · arxiv.org